英语作文批改

为什么做

在 AI 学习空间 的学校合作中，深圳外国语学校初中部英语科组提出作文及日常练笔批改需求。老师反馈之前试用过的解决方案普遍评分偏高，且仅针对语法问题进行批改，没有关注到学生的表达与内容是否符合作文题目要求。其次，从方案落地形态层面考虑，其他解决方案需要老师收集全班所有作文后一页页用手机拍照上传，而在我们学习空间的硬件上，每位学生可以自主完成作文的拍照和提交，这也极大地减轻老师的机械工作量。

于是经过对教师的访谈之后，收集整理了教师精改作文时的工序，了解教师关注作文中的哪些部分。我没有先写一份覆盖所有理想能力的 PRD，而是用 Vibe Coding 在 3 天内搭出可运行 Demo，先回答几个更基础的问题：手写作文能否被稳定识别；反馈能否落到具体句子；AI 能否按照题目要求评价学生的表达能力；AI 分数与教师判断有多大偏差；等待、失败和人工接管应该出现在哪里。

作文批改难在哪里

一篇作文的最终得分依赖多层判断：拍摄和手写质量影响 OCR，OCR 的文本和阅读顺序影响句子分析，句子分析又影响全文评价。任何上游偏差都会被下游放大。

评价对象本身更容易偏。许多 AI 批改停在规则层，关心拼写、时态、句式对不对。但对英语写作教学来说，规则只是底线。教师真正要看的是学生能不能用目标语言表达主旨：意思是否清楚，读者是否读得懂，情感和意图是否传达到。只抓语言形式，会把一篇主旨清楚、表达真诚的作文判成“错得多”，也会让学生误以为写作等于少犯错。

1. 输入风险： 连笔、涂改、补写位置和拍摄质量会改变 OCR 结果。
2. 评价风险： AI 容易把“写得对不对”当成“写得好不好”，忽略主旨是否清楚、读者能否理解和共情。
3. 判断风险： 总体均值接近，不代表每一篇作文都可靠。
4. 教学风险： 如果教师无法复核和查看班级共性问题，产品仍然只是个人工具。

三个关键产品判断

1. 识别结果必须可核对

当前原型使用多模态大模型完成 OCR。为了避免识别错误被静默带入评分，界面同时保留手写原图与 OCR 文本。教师可以先判断学生实际写了什么、阅读顺序是否正确，再理解后续评分依据。核对的不是识别得漂不漂亮，而是后面评价的是否仍是学生自己的表达。

2. 评价必须先看表达，再看规则

学生端报告先给出总分与整体评语，说明主旨是否清楚、读者是否读得懂、情感和意图是否传达到；再解释内容、语言、段落结构等扣分原因，并下钻到原句、修正句和修改逻辑。规则问题仍然要标，但它是底线，不是全文评价的中心。目标不是替学生润色出一篇更正确的作文，而是让学生知道意思有没有写出来、下一次该怎样表达。

3. AI 给出预批改，教师保留最终判断

教师端汇总提交人数、平均分、优秀人数、分数分布和典型案例。AI 承担扫描、预评分和归类；教师复核的不只是识别异常和语法错误，也包括 AI 是否把一篇读得懂、能共情的作文判低，或把主旨跑偏的作文判高。个性化评语和班级共性问题，仍由教师决定后续怎么教。

产品如何组织

这条链路把“识别”和“评分”分开，也把“规则检查”和“表达判断”分开，并把“AI 输出”和“教师确认”分开。顶部原型画廊按照同一顺序保留了 OCR 对照、学生批改页、详细报告与教师工作台；长报告可以在预览窗口内继续滚动查看。

评分验证：均值接近，不等于单篇可靠

我将 100+ 份真实作文的 AI 分数与教师分数逐篇对照。整体上，教师均分约为 10.22，AI 均分约为 9.91，均值相差约 0.31 分。这个结果说明当前方案值得继续验证，但不能直接写成“评分准确”。

平均数只能说明系统没有明显整体偏高或偏低，但是不能揭露少量大分差样本的问题所在。

从异常分差追到 OCR

复盘大分差作文后，定位到共性问题主要发生在 OCR，而不是评分规则本身。学生修改原文时，会划掉旧词并直接在上方补写新词。当前多模态大模型容易把补写词识别成独立的一行，打乱原句语序；评分模型随后基于错误文本分析，最终给出偏低分数。

1. 01
   学生原始涂改

   旧词被划掉，新词写在原位置上方。

2. 02
   OCR 错误分行

   补写词被识别成独立行，没有回到原句位置。

3. 03
   整体语序改变

   识别文本已经不再等同于学生实际表达。

4. 04
   评分被输入带偏

   下游基于错误文本扣分，出现明显偏低结果。

这次复盘把“模型偶尔不准”收敛成了一个可以继续解决的问题：复杂涂改下的手写版面还原。原图对照因此不是装饰，而是当前技术方案的必要校验入口。

当前方案与后续方向

日常练笔、个人成长档案和课本单元关联属于完整教学系统的延展方向，不作为本次 Demo 已经实现的能力。当前页面只陈述可运行原型、真实样本对照和已经完成的失败复盘。

项目收获

这个项目给我带来的一大收获不是证明“我能让模型批改作文”，而是我能从学校一线教师真实需求及痛点出发，把多模态能力拆成可以运行和检查的产品链路；再用真实教师结果验证，不用平均数掩盖异常，并把问题追到第一个发生偏差的环节，为下一轮技术和产品方案建立明确边界。

口径说明：这是基于学校真实需求完成的快速产品验证，效果经教师认可后已规划并落地产品功能完成闭环；当前 OCR 仍由多模态大模型完成，专用手写 OCR 与涂改关系恢复尚在规划中。